PyTorch在Debian上的安装教程

PyTorch在Debian上的安装教程

首先更新系统包列表并升级现有软件包，确保系统处于最新状态：

sudo apt update && sudo apt upgrade -y

安装Python环境及构建工具（PyTorch需要Python 3.6及以上版本）：

sudo apt install -y python3 python3-pip build-essential curl git python3-dev

为避免与其他Python项目冲突，建议使用虚拟环境隔离PyTorch及其依赖：

python3 -m venv pytorch_env  # 创建名为pytorch_env的虚拟环境
source pytorch_env/bin/activate  # 激活虚拟环境（激活后终端提示符会显示环境名）

PyTorch提供CPU和GPU（CUDA）两种版本，需根据硬件配置选择：

直接通过pip安装官方提供的CPU版本：

pip install --upgrade pip  # 升级pip到最新版本
pip install torch torchvision torchaudio

若使用NVIDIA GPU，需先安装兼容的CUDA Toolkit和cuDNN库（参考后续注意事项），然后通过pip安装对应版本的PyTorch：

CUDA 11.7（推荐，兼容多数新显卡）：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

CUDA 11.8：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118

CUDA 12.0：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu120

安装完成后，通过Python交互环境验证PyTorch是否安装成功及GPU是否可用：

python3 -c "
import torch
print('PyTorch版本:', torch.__version__)
print('CUDA是否可用:', torch.cuda.is_available())
"

若输出显示PyTorch版本号且torch.cuda.is_available()返回True（仅GPU版本），则说明安装成功。

CUDA和cuDNN安装：若使用GPU版本，需提前安装与PyTorch版本兼容的CUDA Toolkit（如PyTorch 2.0需CUDA 11.7及以上）和cuDNN（如CUDA 11.7需cuDNN 8.5及以上）。可从NVIDIA官网下载对应版本的安装包，或使用系统包管理器安装（如sudo apt install nvidia-cuda-toolkit）。
网络问题：若安装过程中出现网络超时，可使用国内镜像源加速（如清华源）：
```
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
```
依赖问题：若安装失败，可尝试安装额外的系统依赖（如libopenblas-dev、liblapack-dev）：
```
sudo apt install -y libopenblas-dev liblapack-dev
```

通过以上步骤，即可在Debian系统上完成PyTorch的安装与验证。

最新问答